Right-censored data(右删失数据)是生存分析中的一类不完整观测数据,指研究对象在研究结束或中途退出时尚未发生目标事件,只能知道其存活时间超过某个值而不知道确切时间。在机器学习领域,如何为这类数据设计合理的评估指标,正成为统计学与 AI 交叉方向上的一个活跃议题。
Right-Censored Data 的近期进展
当前焦点与观察点
两篇论文虽然方向不同,但共同指向一个趋势:AI 社区开始重新审视"我们是否在用正确的指标评估模型"。生存分析中的删失问题在医疗 AI 中尤为关键——患者的随访数据天然不完整,如果评估规则不当,模型选择和比较都可能产生误导。而 token 剪枝等效率优化技术的评估偏差,则可能让一些被低估的方法失去应有的关注。
值得观察的是,严格评分规则这类经典统计学工具正在被系统性地引入机器学习评估流程。对于做生存建模、医疗预测或模型效率优化的研究者和工程师来说,关注评估方法本身的严谨性,可能比单纯刷指标更有长期价值。